C. Hasil dan Pembahasan
Sebelum melakukan pengujian dengan analisis regresi berganda terlebih dahulu dilakukan uji asumsi dasar klasik yaitu uji Normalitas data,
Autokorelasi, Multikolinieritas, dan Heteroskedastisitas untuk menghindari penyimpangan dalam model regresi.
1. Pengujian Asumsi Klasik
Uji asumsi klasik diperlukan agar model regresi yang diperoleh memenuhi kriteria BLUE best linier unbiased estimator. Adapun uji
asumsi klasik meliputi normalitas, multikolinearitas, heteroskedastisitas, dan autokorelasi.
a. Uji Normalitas
Terdapat beberapa cara dalam mendeteksi normalitas, yaitu dengan melihat penyebaran data scatter plot pada sumbu diagonal
dari grafik Santoso, 2007 : 214. Dasar pengambilan keputusannya: 1 Jika data menyebar disekitar garis diagonal dan mengikuti arah
garis diagonal, maka model regresi memenuhi asumsi normalitas. 2 Jika data menyebar jauh dari garis diagonal dan atau tidak
mengikuti arah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas.
Hasil uji normalitas yang terlihat pada gambar 4.1 di bawah menunjukkan bahwa data menyebar dan mengikuti arah garis diagonal,
maka model regresi telah memenuhi asumsi normalitas.
Gambar 4.1 Hasil Uji Normalitas Data 2003 – 2007
Normal P-P Plot of Regression Standardized Residual
b. Uji Autokorelasi
Salah satu asumsi regresi linear berganda adalah tidak terdapatnya Autokorelasi. Autokorelasi adalah korelasi antara sesama urutan
pengamatan dari waktu ke waktu. Untuk mendeteksi ada tidaknya Autokorelasi maka dilakukan
pengujian Durbin Watson DW dengan ketentuan sebagai berikut Santoso, 2007 : 216:
1 Angka Durbin Watson DW dibawah -2 berarti ada Autokorelasi positif.
2 Angka Durbin Watson DW diantara -2 sampai +2, berarti tidak ada Autokorelasi.
Dari hasil pengolahan data diperoleh nilai Durbin Watson DW seperti pada tabel berikut:
Tabel 4.3 Uji Autokorelasi Durbin-Watson
Model Durbin-Watson
Kesimpulan 1
2.000 Tidak ada Autokorelasi
Sumber: Data diolah, Output SPSS Hasil Uji gejala Autokorelasi yang ditunjukkan dengan nilai
Durbin Watson DW seperti pada tabel 4.3 di atas dapat disimpulkan bahwa pada tahun 2003 sampai dengan 2007 model regresinya tidak
terdapat gejala Autokorelasi.
c. Uji Multikolinieritas
Uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antara variabel bebas. Model regresi
yang baik seharusnya tidak terjadi korelasi diantara variabel bebas. Tabel 4.4
Pengujian Multikolinieritas
Collinearity Statistics
Model Tolerance
VIF Kesimpulan
Working Capital Turnover .980
1.021 Tidak ada Multikolinieritas
Profit Margin .998
1.002 Tidak ada Multikolinieritas
Operating Assets Turnover .954
1.048 Tidak ada Multikolinieritas
Firm Size .967
1.034 Tidak ada Multikolinieritas
Sumber: Data diolah, Output SPSS Apabila dilihat hasil Uji Multikolinieritas pada tabel 4.4 di atas,
dapat dijelaskan bahwa besaran nilai Tolerance dan Variance Inflation
Factor VIF untuk seluruh tahun observasi, menunjukkan angka tolerance berada pada kisaran 0.954 sampai dengan 0.998 atau
mendekati angka 1. Nilai VIF yang diperbolehkan hanya mencapai angka 10, sehingga variabel-variabel independen tersebut terbebas dari
masalah multikolinieritas. Dengan demikian model regresi ini layak dipakai dalam pengujian.
d. Uji Heteroskedastisitas